利用能够独立控制的热区的多维阵列的复合制造制造技术

本申请涉及利用能够独立控制的热区的多维阵列的复合制造。该系统包括工具，该工具具有支承复合结构的多个组成部件的表面。该表面被划分成多个热区的多维阵列，用于在处理中控制复合结构的组成部件(例如，树脂)的温度。传感器感测组成部件的特性，并且提供被应用至机器学习算法的传感器数据，该机器学习算法被配置成生成用于实现限定质量目标的控制数据。控制器接着独立所述多个热区，以根据控制数据来局部加热、冷却或保持组成部件的温度，从而提高组成部件或复合结构至限定质量目标。这可以通过多个情况来执行，在其期间，机器学习算法进行学习，以增加提高组成部件或复合结构至限定质量目标。

Composite manufacturing using multidimensional arrays of independently controlled hot spots

The present application relates to composite fabrication using multidimensional arrays of independently controlled hot spots. The system includes a tool having a surface of a plurality of components supporting a composite structure. The surface is divided into multidimensional arrays of multiple hot zones for controlling the temperature of the composite components of the composite structure (e.g., resin) in the process. The sensor senses the characteristics of the components, and provides sensor data to be applied to the machine learning algorithm, which is configured to generate control data for achieving qualified quality goals. The controller is then independent of the plurality of hot zones to locally heat, cool, or maintain the temperature of the component, in accordance with the control data, thereby increasing the composition of the component or composite structure to a defined quality target. This can be performed by multiple scenarios, during which machine learning algorithms are learned to increase the composition of components or composite structures to limit quality goals.

【技术实现步骤摘要】
利用能够独立控制的热区的多维阵列的复合制造
本公开总体上涉及复合结构制造，并且具体来说，涉及具有多维阵列的独立控制的热区的复合结构制造。
技术介绍
利用占越来越大百分比的复合材料来设计并制造飞行器。一些飞行器可能有超过百分之五十的主要结构由复合材料制成。在飞行器中使用复合材料以降低飞行器重量。这种降低的重量改进了诸如有效载荷能力和燃料效率这样的性能特征。而且，复合材料对于飞行器中的各种组件来说提供了更长的使用寿命。复合材料是通过组合两种或更多种相异成分而创建的强韧的轻重量材料。例如，复合材料可以包括纤维和树脂。该纤维和树脂被组合并固化以形成复合材料。通过利用复合材料，飞行器的多个部分可以按更大块或段来创建。这就是所谓的集成结构。例如，飞行器的机身可以按圆筒部分来创建，其可以放置在一起以形成飞行器的机身。其它示例例如可以包括而不限于：被接合以形成机翼的机翼蒙皮、翼展加强肋、翼梁以及翼弦肋，被接合以形成稳定器的稳定器部分，加强肋，整流罩，操纵面蒙皮，蒙皮节，门，支柱，以及管状结构。在制造复合组件方面，这些材料典型地利用模具来形成。这些模具还被称为工具。工具具有足够刚性，以在将该复合材料放置到该工具上时保持针对该复合组件的希望形状。工具在成分方面可以是金属性或非金属性的，以提供用于支承该复合材料的刚性。当前，所制造的飞行器中的许多复合材料需要高压釜来固化该复合组件。预浸渍层片中的树脂典型地需要高温来实现允许这些树脂流动和固化的化学反应，并且需要高压来实现层片固结和排出包含在预浸渍层片内的气体(已知为孔隙度)。关于大组件，需要大高压釜来包含该组件和用于加工的工具。常规复合材料制造处理通常遭遇不希望的不相容性，其又可以导致缩减产量、增加废料和返工，或者由缩减的可允许设计(结构上可拆卸的)所导致的性能/重量损失。常见的不希望的不相容性的示例包括与如下各项相关联的那些示例：孔隙度、因回弹和翘曲而造成的制造容差、以及在固结真空下的部件堆叠中的第一层片向下或者随后层片的粘合和起皱。因此，希望具有这样一种装置和方法，即，其致力于解决这些挑战，对现有实践和对在现有工艺规范内工作具有潜在性加以改进。
技术实现思路
本公开的示例实现致力于提供一种用于制造复合结构的改进系统和方法，其可以被应用至用于任何合适的制造处理的预浸渍和树脂浸泡层片，包括高压釜内、高压釜外以及树脂浸泡处理。该示例实现的系统和方法致力于解决在复合材料制造(或制作)期间遭遇的常见制造不希望的不相容性，并且致力于改进产量、缩减废料和返工，或者由缩减的可允许设计(结构上可拆卸的)所导致的性能/重量损失。如上表明或暗示的，所述系统和方法可以致力于解决的不希望的不相容性例如包括：与孔隙度、因回弹和翘曲而造成的制造容差、在固结真空下层片的起皱、以及/或者第一层片粘合到工具上相关联的那些。示例实现提供了记录处理中监测传感器数据的处理。该传感器数据可以被输入至基于机器学习原理的软件算法，其输出用于独立控制多维阵列(二维或三维)热区(有时称为像素化阵列或像素化热区)的编程逻辑，以局部加热、冷却或保持复合结构在其制造期间的组成部件的温度。该像素化区的更高维的热控制可以改进复合结构的制造质量，包括用于实时响应于异常性的能力(实时在此指实时或近实时)。在制造复合结构方面，纤维床可以预浸渍有树脂，或者利用粘合剂保持在一起并且浸泡有树脂。示例实现可以具有这样的能力，即，在将树脂浸泡到纤维床(干纤维加固)中期间，经由主动热控制树脂粘度并且有效操纵树脂流的前部，来缩减树脂浸泡复合材料的孔隙度和浸泡时间。示例实现能够局部改变温度，以改变树脂(用于预浸渍纤维床)或粘合剂(用于要经树脂浸泡的纤维床)的摩擦粘度，从而缩减在真空形成处理期间层片的起皱。示例实现还能够通过应用不同的热升温速率，以局部改变来自树脂聚合物交联的由处理导致的应变(process-inducedstrain)，来抵消因层压不对称而造成的回弹和翘曲。更进一步地，示例实现能够加热该工具，以帮助粘合粘合剂(用于要经树脂浸泡的纤维床)或树脂(用于预浸渍纤维床)，从而将第一层片敷设到该工具上。本公开由此包括而不限于下列示例实现。在一些示例实现中，提供了一种用于制造复合结构的系统。所述系统包括工具、多个传感器、计算装置以及控制器。所述工具具有被配置成支承复合结构的多个组成部件的表面。所述工具还具有被配置成提供由所述表面被划分成的多个热区的多个加热/冷却装置。所述多个加热/冷却装置和由此的所述多个热区按多维阵列设置，并且能够被独立控制，以在从所述组成部件中的一组成部件中制作所述复合结构期间，局部加热、冷却或保持该组成部件的温度。所述多个传感器被配置成在相应多个空间分布点处感测所述组成部件的特性，并提供与其相对应的传感器数据。所述计算装置联接至所述多个传感器，并且被配置成将所述传感器数据应用至机器学习算法，该机器学习算法被配置成生成用于实现针对所述组成部件或所述复合结构的限定质量目标的控制数据。而且，所述控制器联接至所述计算装置和工具，并且被配置成，独立控制所述多个加热/冷却装置和由此的所述多个热区，以根据所述控制数据来局部加热、冷却或保持所述组成部件的温度，从而提高所述组成部件或所述复合结构至所述限定质量目标。在这些示例实现中，在从所述组成部件制造所述复合结构期间，在多个情况下，所述多个传感器被配置成感测所述特性并且提供与其相对应的传感器数据，所述计算装置被配置成将所述传感器数据应用至所述机器学习算法，并且所述控制器被配置成独立控制所述多个加热/冷却装置和由此的所述多个热区，所述机器学习算法在所述多个情况中进行学习，以增加所述组成部件或所述复合结构至所述限定质量目标的提高。即，所述机器学习算法可以在所述多个情况中进行学习，以生成更好实现所述限定质量目标的控制数据。在前述或任何随后示例实现的系统的一些示例实现，或其任何组合中，所述多个传感器中的每一个传感器与相应热区相关联，并且被配置成感测所述相应热区处的所述复合结构的所述特性。在任何前述或任何随后示例实现的系统的一些示例实现，或其任何组合中，所述复合结构的所述组成部件包括预浸渍或者要用树脂浸泡的纤维床，并且所述多个加热/冷却装置和由此的所述多个热区能够被独立控制，以局部加热、冷却或保持所述树脂的温度。在任何前述或任何随后示例实现的系统的一些示例实现，或其任何组合中，所述组成部件的所述特性是所述树脂的存在或不存在、温度、压力或固化程度，或者所述纤维床的平面外变形。在任何前述或任何随后示例实现的系统的一些示例实现，或其任何组合中，制造所述复合结构包括跨所述纤维床的树脂流，由此用树脂浸泡所述纤维床，并且针对所述组成部件或所述复合结构的所述限定质量目标包括所述树脂流前部的希望形状(所述流前部的希望形状)，其可以是平面内流或贯穿厚度的流前部中的任一者或两者。在这些示例实现中，所述机器学习算法被配置成生成用于实现所述树脂流的前部的所述希望形状的控制数据，并且所述控制器被配置成，独立控制所述多个加热/冷却装置和由此的所述多个热区，以局部加热、冷却或保持所述树脂的温度，从而局部控制所述树脂的粘度，并由此将所述树脂流的前部操纵成其所述希望形状。在任何前述或任何随后示例实现的系统的一些示例实现，或其任本文档来自技高网...

【技术保护点】
一种用于制造复合结构(202)的系统(200)，该系统(200)包括：工具(204)，该工具(204)具有表面(212)，该表面(212)被配置成支承复合结构的组成部件，并且所述工具(204)具有多个加热/冷却装置(214)，所述多个加热/冷却装置(214)被配置成提供由所述表面(212)被划分成的多个热区(216)，所述多个加热/冷却装置(214)和由此的所述多个热区(216)按多维阵列布置，并且能够被独立控制，以在从所述组成部件中的一组成部件制造所述复合结构(202)期间，局部加热、冷却或保持该组成部件的温度；多个传感器(206)，所述多个传感器(206)被配置成在相应多个空间分布点处感测所述组成部件的特性，并提供与其相对应的传感器数据；计算装置(208)，该计算装置(208)联接至所述多个传感器(206)，并且被配置成将所述传感器数据应用至机器学习算法，该机器学习算法被配置成生成用于实现针对所述组成部件或所述复合结构的限定质量目标的控制数据；以及控制器(210)，该控制器(210)联接至所述计算装置(208)和所述工具，并且被配置成独立控制所述多个加热/冷却装置(214)和由此的所述多个热区(216)，以根据所述控制数据来局部加热、冷却或保持所述组成部件的温度，从而提高所述组成部件或所述复合结构至所述限定质量目标，其中，在从所述组成部件制造所述复合结构(202)期间，在多个情况下，所述多个传感器(206)被配置成感测所述特性并且提供与其相对应的传感器数据，所述计算装置(208)被配置成将所述传感器数据应用至所述机器学习算法，并且所述控制器(210)被配置成独立控制所述多个加热/冷却装置(214)和由此的所述多个热区(216)，所述机器学习算法在所述多个情况中进行学习，以增加所述组成部件或所述复合结构至所述限定质量目标的提高。...

【技术特征摘要】
2015.10.07 US 14/877,4691.一种用于制造复合结构(202)的系统(200)，该系统(200)包括：工具(204)，该工具(204)具有表面(212)，该表面(212)被配置成支承复合结构的组成部件，并且所述工具(204)具有多个加热/冷却装置(214)，所述多个加热/冷却装置(214)被配置成提供由所述表面(212)被划分成的多个热区(216)，所述多个加热/冷却装置(214)和由此的所述多个热区(216)按多维阵列布置，并且能够被独立控制，以在从所述组成部件中的一组成部件制造所述复合结构(202)期间，局部加热、冷却或保持该组成部件的温度；多个传感器(206)，所述多个传感器(206)被配置成在相应多个空间分布点处感测所述组成部件的特性，并提供与其相对应的传感器数据；计算装置(208)，该计算装置(208)联接至所述多个传感器(206)，并且被配置成将所述传感器数据应用至机器学习算法，该机器学习算法被配置成生成用于实现针对所述组成部件或所述复合结构的限定质量目标的控制数据；以及控制器(210)，该控制器(210)联接至所述计算装置(208)和所述工具，并且被配置成独立控制所述多个加热/冷却装置(214)和由此的所述多个热区(216)，以根据所述控制数据来局部加热、冷却或保持所述组成部件的温度，从而提高所述组成部件或所述复合结构至所述限定质量目标，其中，在从所述组成部件制造所述复合结构(202)期间，在多个情况下，所述多个传感器(206)被配置成感测所述特性并且提供与其相对应的传感器数据，所述计算装置(208)被配置成将所述传感器数据应用至所述机器学习算法，并且所述控制器(210)被配置成独立控制所述多个加热/冷却装置(214)和由此的所述多个热区(216)，所述机器学习算法在所述多个情况中进行学习，以增加所述组成部件或所述复合结构至所述限定质量目标的提高。2.根据权利要求1所述的系统，其中，所述多个传感器中的每一个传感器(206)与相应热区(216)相关联，并且被配置成感测在所述相应热区(216)处的所述复合结构的所述特性。3.根据权利要求1所述的系统，其中，所述复合结构的所述组成部件包括预浸渍或者要用树脂浸泡的纤维床，并且所述多个加热/冷却装置(214)和由此的所述多个热区(216)能够被独立控制，以局部加热、冷却或保持所述树脂的温度。4.根据权利要求3所述的系统，其中，所述组成部件的所述特性是所述树脂的存在或不存在、温度、压力或固化程度，或者所述纤维床的平面外变形。5.根据权利要求3所述的系统，其中，制造所述复合结构(202)包括跨所述纤维床的树脂流，由此用树脂浸泡所述纤维床，并且针对所述组成部件或所述复合结构的所述限定质量目标包括树脂流的前部(402)的希望形状，并且其中，所述机器学习算法被配置成生成用于实现所述树脂流的前部(402)的所述希望形状的控制数据，并且所述控制器(210)被配置成独立控制所述多个加热/冷却装置(214)和由此的所述多个热区(216)，以局部加热、冷却或保持所述树脂的温度，从而局部控制所述树脂的粘度，并由此将所述树脂流的前部(402)操纵成其所述希望形状。6.根据权利要求5所述的系统，其中，所述组成部件的所述特性是树脂的存在或不存在，并且所述计算装置被配置成将所述传感器数据应用至所述机器学习算法包括：被配置成至少执行如下操作：生成所述纤维床的二进制图像位图，该二进制图像位图指示在相应所述多个空间分布点处存在或不存在树脂；从所述位图提取所述树脂流的前部的轮廓，以生成矢量点云；以及沿所述矢量点云中的矢量点测量在相应所述多个空间分布点中的至少一些空间分布点中的每一个点处的曲率，并由此生成用于针对所述机器学习算法的应用的曲率统计，所述机器学习算法被配置成，基于所述曲率统计在相应所述多个空间分布点中的至少一些空间分布点中的每一个处，选择性地应用惩罚或奖励。7.根据权利要求6所述的系统，其中，所述机器学习算法被配置成选择性地应用惩罚或奖励包括：针对相应所述多个空间分布点中的至少一些空间分布点中的每一个点，被配置成针对在所述点处的相应高曲率或低曲率选择性地应用惩罚或奖励，所述机器学习算法被配置成生成用于实现所述树脂流的正前部的所述限定质量目标的控制数据。8.根据权利要求3所述的系统，其中，制造所述复合结构包括：固化所述树脂，并且针对所述组成部件或所述复合结构(202)的所述限定质量目标包括所述复合结构的希望形状，并且其中，所述机器学习算法被配置成生成用于实现所述复合结构的所述希望形状的控制数据，并且所述控制器(210)被配置成，独立控制所述多个加热/冷却装置(214)和由此的所述多个热区(216)，以局部加热、冷却或保持所述树脂的温度，从而局部控制所述树脂的热梯度和固化程度，并由此控制所述复合结构(202)内的由处理导致的应变，以应对所述复合结构(202)中的任何回弹。9.根据权利要求1-8中的任一项所述的系统，其中，所述复合结构(202)的所述组成部件包括多个纤维层片，所述多个纤维层片所述多个纤维层片中的每一个层片预浸渍有树脂或者利用粘合剂保持在一起，并且所述多个加热/冷却装置(214)和由此的所述多个热区(216)能够被独立控制，以局部加热、冷却或保持所述树脂或所述粘合剂的温度，其中，制造所述复合结构(202)包括：铺设所述多个层片中的第一层片并固结层片，并且针对所述组成部件或所述复合结构的所述限定质量目标包括：最小化在铺设所述多个层片中的所述第一层片或者...

【专利技术属性】
技术研发人员：L·A·伯恩斯，M·M·奥斯本，M·A·沙尔斯基，R·K·利盖蒂，D·普克，A·K·格林，
申请(专利权)人：波音公司，
类型：发明
国别省市：美国,US